阿伊努语民间故事语音语料库及端到端语音识别
计算与语言
2020-05-19 v3 声音
音频与语音处理
摘要
阿伊努语是一种无文字语言，由日本少数民族之一阿伊努人使用。它被联合国教科文组织认定为极度濒危语言，其语言遗产的存档与记录至关重要。尽管为了拯救其文化已制作并积累了大量阿伊努民间故事的语音录音，但迄今为止仅有相当有限的部分被转写。因此，我们启动了一个阿伊努语自动语音识别（ASR）项目，以助力标注语言档案的发展。本文中，我们报告了语音语料库的开发以及阿伊努语端到端ASR的结构与性能。我们研究了四种建模单元（音素、音节、词片、词），发现基于音节的模型在词识别和音素识别准确率方面均表现最佳，在说话人开放条件下分别约为60%和超过85%。此外，在说话人封闭设定下取得了80%和90%的词与音素准确率。我们还发现，利用英语和日语的额外语音语料进行多语言ASR训练可进一步提高说话人开放测试准确率。
引用
@article{arxiv.2002.06675,
title = {Speech Corpus of Ainu Folklore and End-to-end Speech Recognition for Ainu Language},
author = {Kohei Matsuura and Sei Ueno and Masato Mimura and Shinsuke Sakai and Tatsuya Kawahara},
journal= {arXiv preprint arXiv:2002.06675},
year = {2020}
}
备注
Accepted in LREC 2020